一种基于多特征的三阶段车辆检索方法技术

本发明专利技术提出的车辆检索方法，具体是一种基于多特征的三阶段车辆检索方法。该方法通过依次利用从粗到细的特征进行检索，从而找到与目标车辆最为相似的车辆集。首先，在第一阶段根据车辆颜色进行车辆筛选，筛选找到与目标检索车辆颜色一致的车辆集；然后，在第二阶段，再根据车辆车型特征进行筛选，找到与目标车辆车型相似度较高的车辆集；最后根据车辆区别于其他同车型的车辆特征进行检索，找到于目标车辆最为相似的车辆数据集。本发明专利技术的优势在于：多阶段检索的方式将检索问题细分为多个子问题，可以降低整体问题的解决难度，同时对于海量数据检索，利用从粗到细的特征分阶段进行检索可以有效提升检索的效率。

A Three-stage Vehicle Retrieval Method Based on Multi-feature

The vehicle retrieval method proposed by the invention is a three-stage vehicle retrieval method based on multi-features. In this method, the features from coarse to fine are used to retrieve the vehicle set which is most similar to the target vehicle. Firstly, in the first stage, vehicle selection is carried out according to vehicle color to find the vehicle set which is identical with the target vehicle color. Then, in the second stage, vehicle set with high similarity to the target vehicle type is selected according to vehicle type characteristics. Finally, vehicle features which are different from other vehicles are searched to find the most suitable vehicle. Similar vehicle data sets. The advantages of the present invention are that the multi-stage retrieval method divides the retrieval problem into several sub-problems, which can reduce the difficulty of solving the overall problem. At the same time, for massive data retrieval, the retrieval efficiency can be effectively improved by using features from coarse to fine in stages.

【技术实现步骤摘要】
一种基于多特征的三阶段车辆检索方法
本专利技术涉及数字图像处理
，具体涉及一种基于多特征的三阶段车辆检索方法。
技术介绍
随着视频监控在公共安全领域发挥出的重要作用，如何在复杂环境的视频图像中快速找到公共安全部门锁定的目标车辆，已成为迫在眉睫的需求。目前，车牌自动识别技术与市场需求的结合已很成熟，车牌识别应用到实际交通管理系统中的社会效益和经济效益都很显著。然而车牌识别系统对于存在污损、遮挡和套牌等情况的车辆无能为力。在传统识别技术遇到瓶颈的同时，一种基于图像分析的目标再识别技术近几年逐渐成为研究的热点。但目前，针对目标再识别的研究主要集中在行人再识别领域，近几年极少学者开始尝试进军车辆再识别领域。比如王盼盼等人提出了(基于特征融合和L-M算法的车辆重识别方法[J].电子科技,2018,4(31):12-15)将车辆图像的HSV特征和LBP特征进行融合，并对融合特征矩阵进行奇异值分解，提取特征值，然后采用L-M自适应调整算法优化BP神经网络实现车辆匹配。该方法只用到了传统简单的特征很难满足复杂场景下的车辆检索需求。鲁璐(基于MVBI哈希算法的车辆再识别方法研究[D].安徽大学,本文档来自技高网...

【技术保护点】
1.一种基于多特征的三阶段车辆检索方法，其特征在于，包括如下步骤：步骤1：首先训练得到检索过程中需要用到的检测模型和分类模型，包括：车窗检测模型winDetect、基于车脸区域的车辆颜色识别模型colorClassify、基于车型重构图像的深度特征提取网络模型carTypeFeature及基于车辆重构图像的深度特征提取网络模型carFeature；其中，车脸区域根据一种基于车窗的车辆区域分割方法得到；步骤2：将被检索的目标车辆记为I，将车辆搜索库中车辆集记为X＝{x0,x1,...,xn‑1}；步骤3：用基于车脸区域的车辆颜色识别模型colorClassify识别目标车辆I和车辆集X中所有车辆...

【技术特征摘要】
1.一种基于多特征的三阶段车辆检索方法，其特征在于，包括如下步骤：步骤1：首先训练得到检索过程中需要用到的检测模型和分类模型，包括：车窗检测模型winDetect、基于车脸区域的车辆颜色识别模型colorClassify、基于车型重构图像的深度特征提取网络模型carTypeFeature及基于车辆重构图像的深度特征提取网络模型carFeature；其中，车脸区域根据一种基于车窗的车辆区域分割方法得到；步骤2：将被检索的目标车辆记为I，将车辆搜索库中车辆集记为X＝{x0,x1,...,xn-1}；步骤3：用基于车脸区域的车辆颜色识别模型colorClassify识别目标车辆I和车辆集X中所有车辆的颜色，然后从X中找到与目标车辆I颜色相同的车辆，组成车辆集S1；步骤4：得到目标车辆I和车辆集S1对应的车型重构图像，记为IT和S1T，用基于车型重构图像的深度网络模型carTypeFeature提取IT和S1T对应的车型特征向量，找到车辆集S1中所有满足对应车型特征向量与I的车型特征向量的欧氏距离小于λ1的车辆，组成新的车辆集，记为S2；其中λ1为预先给定的同车型车辆在特征空间的最大欧氏距离阈值；步骤5：得到目标车辆I和车辆集S2对应的车辆重构图像，记为IC和S2C，用基于车型重构图像的深度网络模型carFeature提取IC和S2C对应的车辆特征向量，找到车辆集S2中所有满足对应车辆特征向量与I的车辆特征向量的欧氏距离小于λ2的车辆，组成新的车辆集，记为S3，S3最终从搜索库中找到的与目标车辆最为相似的车辆集；其中λ2为预先给定的相同车辆在特征空间的最大欧氏距离阈值。2.根据权利要求1所述的一种基于多特征的三阶段车辆检索方法，其特征在于，所述步骤1中的一种基于车窗的车辆区域分割方法具体过程如下：1.1)：对于任意车辆图像A，首先利用检测模型winDetect定位车窗的大致位置，并截取得到车窗图像AW，确定车窗图像AW上车窗的上、下、左、右边线的检测区域分别为：DL(0,0,w/3,h)、DR(2*w/3-1,0,w/3,h)、DT(0,0,w,h/5)、DB(0,4*h/5-1,w,h/5)，其中w、h分别表示车窗图像AW的宽、高；1.2)：利用一种直线检测方法，分别在对应检测区域内找到车窗上、下、左、右四条边线，并将其在图像A上的对应直线分别记为LT、LR、LB、LL；1.3)：根据如下规则确定车辆的车脸、车窗、车顶、左车身、右车身区域：a)车脸区域：图像A上直线LR、LB、LL、图像A底边围成的任意多边形区域；b)车窗区域：图像A上直线LR、LB、LL、LT围成的四边形区域；c)车顶区域：图像A上直线LR、LB、LL、图像A顶边围成的任意多边形区域；d)左车身区域：图像A上直线LL左侧的任意多边形区域；e)右车身区域：图像A上直线LR右侧的任意多边形区域。3.根据权利要求1所述的所述的一种基于多特征的三阶段车辆检索方法，其特征在于，所述步骤4中的车型重构图像的获取的具体步骤如下：4.1)：对于任意车辆图像A，首先利...

【专利技术属性】
技术研发人员：徐云静，高飞，葛一粟，张元鸣，卢书芳，程振波，陆佳炜，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33